声浪

语音小管家

原创a year ago

ChatGPT、DeepSeek 等语言模型具备「深度推理」（Reasoning）能力，这类模型会在回答问题前先进行一段较长的推论过程，使回答的品质大幅提升。 不过，这种「先停下来思考再作答」的方式，虽然能产生更高品质的回应，却不太适用于需…

语音小管家

转载a year ago

来源丨AI音频时代 近日，Meta 公司最新推出的Reels短视频AI音频翻译功能有了创造性突破。同一时间Meta正式为Facebook和Instagram的Reels功能推出了AI语音翻译功能。 Meta AI翻译功能最大亮点在于，它采用…

语音小管家

转载a year ago

实时语音转文字（ASR）和说话人识别（Diarization）在多人会议、字幕生成和无障碍辅助中需求日益增长，但传统工具常需云端处理，存在隐私风险和延迟问题。 最近 GitHub 上出现了一款开源项目WhisperLiveKit，提供了完全…

语音小管家

转载a year ago

来源丨AIGC开放社区 近日，微软研究院开源了创新音频模型 VibeVoice-1.5B。 VibeVoice-1.5B开创了语音界多个重大技术突破：一次性可连续合成90分钟超长逼真语音，之前多数模型只能合成60分钟以内语音，并且30分钟后…

语音小管家

原创a year ago

歌曲生成的核心是基于各种提示生成可控的高质量歌曲。然而，现有方法难以生成具有提示控制的人声和伴奏，且不能实现两者间很好的对齐。此外，它们在支持多种歌曲相关的任务方面，如歌声风格迁移，人声配伴奏，也存在不足。 为解决这些挑战，来自浙江大学的学…

语音小管家

转载a year ago

大家好，欢迎来到「AudioCC交我学」专栏！ 作为学术研究者与实践者的连接点，我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里，我们将以简洁、专业的视角，解读听觉认知与计算声学领域的前沿论文，分享技术…

语音小管家

原创a year ago

EMNLP（Conference on Empirical Methods in Natural Language Processing）是自然语言处理领域顶级国际会议之一，其涉及领域包括但不限于机器翻译、文本生成、文本分类、信息抽取、问答…